数字图像处理3汇总.pptVIP

第三章: 空间域图像增强 拉普拉斯算子 (续) 因为拉普拉斯算子为一个微分算子, 因此它的作用是突 出图像中的灰度跳变(不连续),而削弱图像中灰度缓慢变 化的区域. 在处理后的图像中只包含了边缘和其它灰度突变区域 以及较暗的背景 要使背景保持的同时,又突出边缘等细节,我们可以将上 述图像与原图像叠加到一起 核中心的系数为负 核中心的系数为正 第三章: 空间域图像增强 拉普拉斯算子 (续) 第三章: 空间域图像增强 拉普拉斯算子 (续) 为了简化, 前面对图像进行拉普拉斯滤波和将滤波结果 与原来图像相加的两个过程可以合并为一个: 两个过程合并后的模板: 第三章: 空间域图像增强 拉普拉斯算子 (续) 核中心的系数为负 核中心的系数为正 第三章: 空间域图像增强 拉普拉斯算子 (续) 第三章: 空间域图像增强 非(反)锐化掩(屏)蔽 (Unsharp Masking) 非锐化掩蔽来源于暗室冲印照片的一种技术. 做法是将 要冲印的负片和同一照片的模糊正片重叠后再进行照片冲印以得到更清晰的照片. 先得到图像的一个模糊版本 再从图像中减去上述模糊版本以得到一幅锐化的图像 即: 锐化的图像=原图像-模糊的图像 式中 表示非锐化掩蔽后得到的图像,而 表示 的一个模糊版本. 第三章: 空间域图像增强 高提升滤波是非(反)锐化掩蔽的推广: 其中 表示高提升滤波后的图像 为常数且 在高提升滤波中, 通过调整 的值, 可以增加锐化后图 像的亮度. 上式也可用非锐化掩蔽公式表示 高提升滤波 (High-boost Filtering) 第三章: 空间域图像增强 当在上式中用拉普拉斯算子和原始图像相加来生成锐化 的图像 时: 核中心的系数为负 核中心的系数为正 高提升滤波 (High-boost Filtering)(续) 核中心的系数为负 核中心的系数为正 当 为1时, 高提升滤波变为标准的拉普拉斯锐化处理 当 再增大时, 锐化过程的贡献减小 当 足够大, 高提升滤波等价于给原图像乘上一个常数 这时, 高提升滤波变为: 使用掩模实现的高提升滤波. 当掩模中A=1时, 为采用拉普拉斯对图像进行锐化 处理 当A1时, 为高提升掩模 第三章: 空间域图像增强 高提升滤波 (High-boost Filtering)(续) 第三章: 空间域图像增强 高提升滤波 (High-boost Filtering)(续) 第三章: 空间域图像增强 图像的一阶微分(梯度)增强 函数 在 处的梯度定义为: 用于图像增强时,我们只使用梯度的数值而不考虑其 方向: 梯度的数值运算不是 线性运算,但却是旋转 不变的 (各向同性) 梯度的数值也叫梯度 第三章: 空间域图像增强 梯度的近似表示: x y 最简单的一阶导数近似: 或者: 图像的一阶微分(梯度)增强(续) Roberts的交叉梯度算子: 或者: x y 第三章: 空间域图像增强 图像的一阶微分(梯度)增强(续) 第三章: 空间域图像增强 x y Sobel梯度算子: 在Sobel梯度算子中的权重值2的目的 是通过增加中心位置点的重要性以达 到一定程度平滑的目的. 图像的一阶微分(梯度)增强(续) 第三章: 空间域图像增强 通过Sobel算子将灰度恒定以及缓慢变化的区域全部消除 只留下灰度跳变的部分,使得对瑕疵的检视非常容易 图像的一阶微分(梯度)增强(续) 第三章: 空间域图像增强 空间域增强方法的结合使用 第三章: 空间域图像增强 空间域增强方法的结合使用 (续) 数字图像处理, 第二版. 背景知识 灰度变换 直方图处理 使用算术/逻辑运算进行图像增强* 空间域滤波基础 平滑空间域滤波器 锐化空间域滤波器 空间域增强方法的联合使用* 第三章: 空间域图像增强 内 容 第三章: 空间域图像增强 空间域滤波基础 空间域滤波所需的要素: 像素及其邻域 滤波器掩模 与上述邻域大小相同的一个子图像, 在子图像中的 每一位置上也有一个值, 叫作滤波器系数 定义在像素及其邻域的运算 空间域滤波(本章) ： 直接对图像中的像素进行滤波操作。 频率域滤波(第四章)： 将图像及滤波器掩模都通过傅立叶变换并在频率域 进行处理。 空间域滤波基础 (续) 第三章: 空间域图像增强 空间域滤波的过程: 1. 将滤波器掩模移到图像中的每一点 2. 在每一点 处, 按照预先